Saltar al contenido principal
Documentación
Documentación
Administrator Guide
Última actualización: 2025-09-19
Pasos: definición de aprendizaje automático para anomalías horarias

Pasos: definición de aprendizaje automático para anomalías horarias

Es posible que deba realizar pasos adicionales para activar esta función en función del acuerdo de servicio de suscripción de su organización. Su organización está en el Acuerdo de servicio principal (MSA) o en el Acuerdo de servicio principal universal (UMSA). Para determinar el acuerdo de servicio de suscripción de su organización:
  1. Seleccione su avatar de perfil en Workday Community.
  2. Seleccione
    Perfil
    .
  3. En su página de perfil, seleccione el nombre de su organización, que se encuentra debajo de su nombre y junto al título de su puesto.
  4. Consulte el valor de su
    acuerdo de servicio de suscripción
     .
Si el valor es:
  • UMSA
    , la función está disponible automáticamente. Puede omitir el paso
    Activación de funciones de Innovation Services y contribuciones de datos de aprendizaje automático para clientes de MSA
     . Para obtener más información sobre las contribuciones de datos de aprendizaje automático, consulte Concepto: Workday AI for Universal Main Subscription Agreement Customers.
  • MSA
    , debe activar esta función a través de Innovation Services mediante el paso
    Enable Innovation Services Features and Machine Learning Data Contributions for MSA Customers
     .
Nota: los clientes de UMSA no tienen tareas ni informes de Innovation Services en sus entornos de cliente, ya que estos son solo para clientes de MSA. Los clientes de UMSA pueden ignorar toda la información relacionada con Innovation Services.
  • Implemente Workday Time Tracking. Le recomendamos que implemente Time Tracking al menos un año antes de implementar la detección de anomalías horarias.
  • Cree plantillas de aprobación de horas.
Puede permitir que Workday utilice el aprendizaje automático para detectar entradas de horas atípicas de forma que pueda hacer lo siguiente:
  • Crear informes personalizados para consultar las puntuaciones de anomalías horarias y los principales motivos de dichas anomalías en los bloques de horas.
  • Acceder al informe
    Tendencias de anomalía horaria
     para consultar las tendencias de anomalía horaria por organización de supervisión.
  • Permitir que los gerentes y los responsables de controlar el tiempo vean y lleven a cabo acciones en las anomalías horarias del informe
    Revisión de horas
    .
  1. Active Innovation Services Feature y Machine Learning Data Contributions.
    En el informe
    Innovation Services and Data Selection Opt-In
     , seleccione la sección
    HCM: Workforce Management Machine Learning Services
     .
    Para crear un modelo de aprendizaje automático que pueda detectar anomalías horarias, debe aceptar todas las categorías siguientes:
    • Time Configuration Data
    • Datos de trabajador
    • Datos históricos de bloque de programa
    • Datos de ausencias y horas de trabajador
    También puede aceptar
    Datos de distribución de funciones de usuario
     para ayudar a Workday a detectar anomalías horarias.
    Es posible que deba realizar pasos adicionales para activar esta función en función del acuerdo de servicio de suscripción de su organización. Para obtener más información, consulte este artículo de Community .
  2. Acceda a la tarea
    Edición de definición de entorno de cliente - Aprendizaje automático
     .
    Seleccione la región en la que Workday aloja los datos que se utilizan para mejorar y personalizar la funcionalidad de análisis y aprendizaje automático.
    Seguridad:
    Set Up: Tenant Setup - Machine Learning
     en el área funcional System.
  3. Acceda a la tarea
    Edición de plantilla de aprobación de horas
     (opcional).
    Seleccione la casilla
    Incluir anomalías horarias
     para mostrar dichas anomalías en el informe
    Revisión de horas
    .
    Seguridad:
    Set Up: Time Tracking
     en el área funcional Time Tracking.
Le recomendamos que entrene el modelo de aprendizaje automático en el entorno de cliente de producción durante al menos 3 semanas. Cuando entrena en un entorno de cliente de producción, se asegura de que el modelo tenga un flujo constante de datos reales con los que entrenar para que pueda aprender patrones de bloques de horas aceptables e inaceptables.
Si necesita realizar pruebas en un entorno de cliente que no sea de producción, puede activar la detección de anomalías horarias en los entornos de cliente de implementación. Si comenzó a realizar pruebas en un entorno de cliente de implementación antes del 04-10-2024, ahora debe activar la extracción de datos bajo demanda para continuar con la extracción de datos periódica.